Hej

Jeg ville høre, om nogen kan hjælpe med, hvornår korrelationer mellem uafhængige variabler er så stort et problem, at der er tale om dårlig multikollinearitet - altså hvor høj må den numeriske værdi være?

Jeg sidder med nogle korrelationer, jeg umiddelbart synes er høje (0,369), men teoretisk kan ingen a variablerne udelades.
Hvis jeg fjerner en af variablerne mister jeg melem 5 % og 10 % i forklaringskraft, hvilket vel burde indikere, at variablerne ikke er så højt korreleret, at de ikke tilører ny forklaringskraft - kan jeg bruge det som indikator?

Endelig - hvis korrelationerne er for høje, er der da ikke andet at gøre, end at udelade en eller flere variabler (og hvad sker der så - for hvis de er korrelerede burde der jo kontrolleres for den anden!)

Jeg håber mit spørgsmål er tydeligt og at I kan hjælpe!

Vh Ida

Hej Mads
Tak for dt svar. Jeg estimerer en logistisk model, og grunden til, jeg gik ud fra, der var tale om "dårlig" mltikollinearitet er, at mine p-værier på én af de forklarende variabler i modellen (social klasse som ordinal variabel i 6 kategoier) er 1,000 og flere af kategorierne >0,900. Det må de vel ikke, eller hvordan?
Vh Ida

Hej Mads,

Nu har jeg lige kigget lidt mere på data, og problemet ser ud til at være, at jeg faktisk har tomme celler, hvis jeg laver en krydstabel mellem min afhængige (risikoaversion) og uafhængige variabel (social klasse). Kan jeg anvende social klasse som en kvantitativ variabel eller løser det ikke problemet, når der er tomme celler?

/Ida

Hej Mads,

Jeg stiller risikoaversionsteorien op mod reproduktionsteori (rep. ved Bourdieu) som teoretiske bud på forklaringen af elevpræstationer i PISA Etnisk.
Jeg bruger ikke Goldthorpes klasseopdeling, da PISA Etnisk kun indeholder forældrenes uddannelse og intet andet. Derfor er min social klasse variabel den højeste af mors og fars uddannelse.
Jeg er ikke helt sikker på, at jeg forstår, hvad du mener, jeg skal gøre. Som det er nu, har jeg prøvet at estimere den logistiske model (RRA) med social klasse som en kontinuert variabel, hvilket umiddelbart ser ud til at løse problemet (ikke noget med dummies). Jeg kan ikke slå kategorier sammen, idet jeg så vil få meget store grupper som fx. ingen uddannelse og KVU i én kategoi;-)
Hvis social klasse er kontinuert og ser ud til at give de rigtige resultater, kan jeg så ikke bare sådan?

Jep, den har jeg - de har BÅDE en RRA-variabel og en forventningsvariabel, hvor der i PISA Etnisk desværre kun kan konstrueres én indikator;-)
Tusind tak for din hjælp - det har virkelig været brugbart!

Hej Mads,
Jeg tillader mig lige at skrive en gang til, da du skrev, du er på hjemmebane i forhold til mit emne.
Som jeg evt. skrev til dig, opstiller jeg to teoretiske forklaringsmodeller (Bourdieu og Goldthorpe) til at skulle kunne sige noget om danske/etniske unges præstationer i PISA Etnisk. Jeg er dog pludselig blevet lidt i tvivl om, hvorvidt risikoaversionsteorien giver nogen mening mht at skulle forklare testscore, idet der jo ikke ligger nogen form for rationelt valg i hvordan man præsterer i en test (altså selve secondary effecten)? RRA er dog den mest positive faktor for testscoren, hvilket jo er lidt interessant.
Hvad mener du?

Hej Mads

Jeg vil gerne have artiklen, du taler om - jeg har to andre af jer, men ikke den der.
Jeg måler RRA ved at se på elevens uddannelsesforventning ift. den højeste af mors og fars uddannelse. Det vil sige, at hvis elevens forventning er lig med eller større end den højeste af mors og fars udd. så er man risikoavers og ellers ikke. Jeg har været meget i tvivl om, hvorvidt det gav mening at måle den som en binær variabel, men da der ikke er andre variabler som kan måle RRA, er det enten sådan eller slet ikke.
Werfhorst/Hofsteede estimere faktisk to forskellige modeller; en som er primæreffekter (testscore tror jeg) og en som er sekundæreffekter (forventninger). Det kan jeg ikke gøre eftersom min RRA variabel er konstrueret på baggrund af forventninger og derfor langt hen ad vejen er den samme variabel.
Som det er nu (i mangel på det rette udvalg af variabler, desværre) estimerer jeg 3 modeller:
1) RRA (for at se om social klasse er signifikant, det må den jo ikke)
2) Hvorvidt eleven laver lektier mere end 3 timer om ugen (da dette kan være en indikator for rationel adfærd hvis man gerne vil optimere sin udd. chancer)
3) Testscoren (for at finde ud af effekten af kulturel kapital, social klasse og så lektier)

Jeg tænker at lektie-variablen vel kan være et udtryk for sekundære effekter og testscoren for primære effekter?
Kausaliten ville da være således

Kulturel kapital ->Lektier -> Testscore (primær)
Social Klasse -> RRA -> Lektier -> Testscore (sekundære)
Etnicitet ->Lektier -> Testscore (primære)

Hvis det bliver for specifikt må du sige til;-)

/Ida